Klasifikace liniových prvků z družicových dat

Abstract

Tato práce se věnuje objektové klasifikaci liniových prvků z družicových dat. Hlavním cílem práce je stanovení vhodného postupu klasifikace vybraných liniových prvků (silnice a železnice) z dat velmi vysokého rozlišení. První část práce se zabývá obecnými přístupy ke klasifikaci liniových prvků a teoretickými rozdíly mezi objektově orientovanou a pixelovou klasifikací. Druhé část je věnována samotné klasifikaci liniových prvků. K dispozici byly snímky velmi vysokého rozlišení družice QuickBird z oblasti okolí Prahy. Nejprve byl navržen postup objektově orientované klasifikace. Pomocí programu Definiens Developer a na základě poznatků z práce Nobregy et al. (2006) byla provedena segmentace a samotná klasifikace vybraného území na snímku. Pro porovnání byla na stejném výřezu vytvořena řízená pixelová klasifikace metodou "minimum distance". Pro ověření navržené klasifikační báze byla vyzkoušena objektová klasifikace ještě na jiném výřezu ze stejného snímku a na výřezu ze snímku pořízeného nad jiným územím a v jiném čase. Na závěr byly obě metody porovnány vizuálním a statistickým vyhodnocením. Powered by TCPDF (www.tcpdf.org)

This work deals with object-based classification of high resolution data. The aim of the thesis (paper, work) is to develope an acceptable classification process of linear features (roads and railways) from high-resolution satellite images. The first part shows different approaches of the linear feature classification and compares theoretic differences between an object-oriented and a pixel-based classification. Linear feature classification was created in the second part. The high-resolution QuickBird satellite images showing Prague surroudings were used for this classification. Using Definiens Developer software and the paper of Nobrega et al. (2006) the segmentation and object-based classification was created on the selected area of the satellite image. Minimum distance method of a pixel-based classification of the same part of image was generated to compare these two methods of classifications. Another classification was created in an another satellite image to verify developed classification process. At the end a visual and statistical accuracy assessment was done to compare an object-oriented and a pixel-based classification . Powered by TCPDF (www.tcpdf.org)